时序预测的必要条件是基于策略和环境相对稳定前提的

为什么会出现时序数据，原因就是输入变量未知或者复杂无法获得，
故而才会使用时间来代替。这种数据区别于语言这种规律序列（不是时刻变化的）原因就是x的输入是有规律的有可判断的。
而时间序列是一个没有规律或者是规律极其复杂的，比如人类社会。
就某个公司的销量预测来说，就会受到公司的人的影响。
所以假设环境和策略相对稳定前提下，才能进行同比预测。首先这种数据会和人类的生活周期节假日息息相关，所以很难，对于西方而言使用阳历，每年节假日日期相同，好说，但是对于中国人来说就不一样了
黄历，和阳历的节假日完全没有相对规律或者说规律周期相当的长
上面的x也是一样x的规律相当复杂原因就是x的周期规律超过了人类寿命。如果一个研究人员寿命是上万年记录数据那么一定能知道x的规律
也能确定x，这就和中国的命理学和二十四节气一样5000年或更久的时间进行统计得来的规律。
所以时序数据必须是相对稳定环境和策略，或者是短期预测，因为x是不确定的，（周期规律远远超过人类寿命）
也就是数据量不够，无法总结出人类语音那样的规律。而人类语言是人类，上一代人总结规律，后将规律传给后人，后人才学会的。且有大量的文献数据，在古代没有记录的时候，语言传承是有问题的。
，
什么股票预测，量化交易，预测的前提是世界和平（相对稳定环境和策略）所以说靠谱的是人类的语言。故而社交工程学，预测的关键。

时序预测的必要条件是基于策略和环境相对稳定前提的相关推荐

使用Ray将可扩展的自动化机器学习（AutoML）用于时序预测
活动链接:SPARK中文峰会7月4日(二)|Ray On Spark 演讲嘉宾简介:黄晟盛,Intel高级架构师,Apache Spark committer,PMC member Analytics ...
用于金融时序预测的神经网络：可改善经典的移动平均线策略
北京上海巡回站 | NVIDIA DLI深度学习培训 2018年1月26/1月12日 NVIDIA 深度学习学院带你快速进入火热的DL领域阅读全文 ...
时序预测 | MATLAB实现基于EMD-LSTM时间序列预测（EMD分解结合LSTM长短期记忆神经网络）
时序预测 | MATLAB实现基于EMD-LSTM时间序列预测(EMD分解结合LSTM长短期记忆神经网络) 目录时序预测 | MATLAB实现基于EMD-LSTM时间序列预测(EMD分解结合LSTM ...
ScePT: 为规划的场景一致和基于策略轨迹预测
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨黄浴来源丨计算机视觉深度学习和自动驾驶 arXiv上传于2022年6月18日的论文" ...
GWO-BiLSTM 双向长短期记忆网络基于灰狼优化双向长短期记忆网络(GWO-BiLSTM)的回归预测或时序预测
GWO-BiLSTM 双向长短期记忆网络基于灰狼优化双向长短期记忆网络(GWO-BiLSTM)的回归预测或时序预测优化参数为学习率,隐藏层节点个数,正则化参数. matlab代码 ID:46496 ...
时序预测 | MATLAB实现基于Adam算法优化BiLSTM双向长短期记忆神经网络时间序列预测
时序预测 | MATLAB实现基于Adam算法优化BiLSTM双向长短期记忆神经网络时间序列预测目录时序预测 | MATLAB实现基于Adam算法优化BiLSTM双向长短期记忆神经网络时间序列预测 ...
时序预测 | MATLAB实现基于Adam算法优化LSTM长短期记忆神经网络时间序列预测
时序预测 | MATLAB实现基于Adam算法优化LSTM长短期记忆神经网络时间序列预测目录时序预测 | MATLAB实现基于Adam算法优化LSTM长短期记忆神经网络时间序列预测效果一览基本 ...
KDD 2020 开源论文 | 图神经网络多变量时序预测
©PaperWeekly 原创 · 作者|马敏博学校|西南交通大学硕士生研究方向|命名实体识别本次分享的论文是 KDD 2020 的一篇工作,出发点是为了更好地建模多变量时间序列数据中成对变量之 ...
时序预测 | python实现仿生算法优化LSTM时间序列预测（全网最全仿生算法）
** 时序预测 | python实现仿生算法优化LSTM时间序列预测(全网最全仿生算法) ** 多变量/单变量预测程序多变量/单变量预测程序多变量/单变量预测程序 A ABC-LSTM--人工蜂群 ...

时序预测的必要条件是基于策略和环境相对稳定前提的

时序预测的必要条件是基于策略和环境相对稳定前提的相关推荐

最新文章

热门文章